JP6420769B2 - 二分岐音声認識 - Google Patents

Description

関連出願の相互参照

本願は、２０１３年１月４日に出願された米国仮特許出願第６１／７４９，２４３号の優先権を主張する。以下は２００８年１月８日に出願された米国特許出願第１２／００８，１１４号、２００８年１月８日に出願された米国特許出願第１２／００８，１０４号、および２０１２年５月１０日に出願された米国特許出願第１３／４６８，２０７号に関連する発明の主題を有する。上記の出願の全内容は、参照により本明細書に組み込まれる。

音声認識（ＡＳＲ）システムは、デバイスを制御するために用いられる。たいていは、ＡＳＲシステムが精度良く動作し、ユーザが高精度でシステムをナビゲートし制御できるようにする。

しかし、高精度では不十分で、１００％の精度しか許されないようなケースも多い。あるいは、ノイズにより偶然にもＡＳＲによるトリガー（アクションやアプリケーション等の始動のこと、またはその始動用の指令）が全くできなかったり、またはＡＳＲに会話を実際のコマンドとして誤解釈させるケースもおこりうる。

本発明は、上記の技術上の問題および欠点に取り組んだものである。上記のケースについて説明するため、出願人は二段階確認手順を設計した。

とりわけ、本発明のＡＳＲ実施形態は、以下の特徴、すなわち、二段階確認、二段階限定音声認識モード、および／または音声駆動式システムに対する二段階起動を提供する。

好ましい実施形態において、本発明は、コンピュータアプリケーションにおける音声制御方法に関し、該方法においては、マイクロフォンを介して音入力を受け取る、マイクロフォンとディスプレイとを備えたヘッドセットコンピュータで使用され、音入力を、ヘッドセットコンピュータに連結された音声認識エンジンを用いて処理する。この処理の一部として、音声認識エンジンを用いて音入力を解釈し、音入力が、クリティカリティ（criticality）の閾値レベルを満たすかこれを越えるクリティカリティのレベルを有するアクションに対するコマンド、いわゆるクリティカルコマンドであるかどうかを判定する。コマンドがクリティカルコマンドであると判定された場合、第１のダイアログボックスがディスプレイ上に表示され、コマンドに関連するアクションの実行は、ユーザが第１のダイアログボックス内のプロンプトに対応する第１の確認発声を行うことを条件とされる。他の実施形態において、本段落中の上述の方法は、第１のダイアログボックスが自動的にタイムアウトする能力を有すること、または、クリティカルコマンドが、ヘッドセットコンピュータを低電力スリープモードまたは限定音声認識モードから解放するためのコマンドであることをさらに含む。

別の好ましい実施形態において、本方法はマイクロフォンを介して第１のダイアログボックス内のプロンプトに対応する第１の確認発声を受け取ることと、第１の確認発声の受け取りに応答して、ディスプレイ上に第２のダイアログボックスを表示することとをさらに含み、ヘッドセットコンピュータはアクションの実行に対して、ユーザが第２のダイアログボックス内のプロンプトに対応する第２の確認発声を行うことを条件付ける。他の実施形態において、本段落中の上述の方法は、第２のダイアログボックスが自動的にタイムアウトする能力を有すること、または、クリティカルコマンドが、ヘッドセットコンピュータを低電力スリープモードもしくは限定音声認識モードから解放するためのコマンドであることをさらに含む。さらに別の実施形態において、第１の確認発声と第２の確認発声とは互いに異なる。

コンピュータシステム、ヘッドセットコンピュータ、デバイスおよび装置が上記方法を実行してもよい。上記方法を実施するさらに他の実施形態としては、コンピュータプログラム製品が挙げられる。

好ましい実施形態において、本発明は、ディスプレイと、音入力を受け取るように構成され、マイクロフォンとを有するヘッドセットコンピュータで使用される音声制御装置に関し、音入力を解釈し、その解釈の一部として、音入力がクリティカリティの閾値レベルを満たすかこれを越えるクリティカリティのレベルを有するアクションに対するコマンドであるか、つまりコマンドがクリティカルコマンドであるか否かを判定するように構成された音声認識エンジンと、音声認識エンジンに通信可能に連結されたプロセッサとを含む。音入力がクリティカルコマンドであるという音声認識エンジンによる判定に応答して、プロセッサは、ディスプレイ上に第１のダイアログボックスを表示し、ヘッドセットコンピュータの前記アクションの実行に対して、ユーザが第１のダイアログボックス内のプロンプトに対応する第１の確認発声を行うことを条件付けるように構成される。他の実施形態において、本段落中の上述の音声制御装置は、第１のダイアログボックスが自動的にタイムアウトする能力を有すること、または、クリティカルコマンドが、ヘッドセットコンピュータを低電力スリープモードもしくは限定音声認識モードから解放するためのコマンドであることをさらに含む。

別の好ましい実施形態において、本装置は、第１のダイアログボックス内のプロンプトに対応する第１の確認発声をマイクロフォンを介して受け取ることと、第１の確認発声の受け取りに応答してディスプレイ上に第２のダイアログボックスを表示することをさらに含み、ヘッドセットコンピュータは、アクションの実行に対して、ユーザが第２のダイアログボックス内のプロンプトに対応する第２の確認発声を行うことを条件付ける。さらに他の実施形態において、本段落中の上述の装置は、第２のダイアログボックスが自動的にタイムアウトする能力を有すること、または、クリティカルコマンドが、ヘッドセットコンピュータを低電力スリープモードもしくは限定音声認識モードから解放するためのコマンドであることをさらに含む。さらに別の実施形態において、第１の確認発声と第２の確認発声とは互いに異なる。

さらに別の好ましい実施形態において、本発明は、ディスプレイと、音入力を受け取るマイクロフォンと、音入力を解釈し、その解釈の一部として、音入力がクリティカリティの閾値レベルを満たすかこれを越えるクリティカリティのレベルを有するアクションに対するコマンドであるか、つまりコマンドがクリティカルコマンドであるか否かを判定するように構成された音声認識エンジンと、音声認識エンジンに通信可能に連結されたプロセッサとを含む、ヘッドセットコンピュータに関する。音入力がクリティカルコマンドであるという音声認識エンジンによる判定に応答して、プロセッサは、ディスプレイ上に第１のダイアログボックスを表示し、ヘッドセットコンピュータのアクションの実行に対して、ユーザが第１のダイアログボックス内のプロンプトに対応する第１の確認発声を行うことを条件付けるように構成される。

上記は、以下の本発明の例示的な実施形態のさらに具体的な説明から明らかになるであろう。添付図面において、異なる図全体にわたり、同じ部分は同じ参照符号で示す。図面は必ずしも原寸に比例しておらず、本発明の実施形態の説明に重点が置かれている。

本発明を具現するコンピュータネットワークの概略図である。 図１の実施形態におけるコンピュータノードのブロック図である。 本発明によるＡＳＲにおける二段階確認を実行するヘッドセットコンピュータの概略図である。 二段階限定音声認識を有する音声駆動式システムのユーザインターフェースの概略図である。 本発明による二段階確認を有するユーザインターフェースの概略図である。 音声駆動式システムにおける二段階起動の概略図である。 本発明によるＡＳＲにおける二段階確認を実行するヘッドセットコンピュータのブロック図である。

以下、本発明の例示的実施形態について説明する。

図１は、本発明を実現できる種々のコンピュータネットワークまたは同様のデジタル処理環境の一例を示す。図１は、アプリケーションプログラム等の実行に関わる処理デバイス、記憶デバイス、および入出力デバイスを提供できるクラインアントコンピュータ／デバイス５０（複数可）およびサーバコンピュータ６０（複数可）を示す。これらのデバイスは、例えばリンク１０７などのリンクを介してネットワーク７０に連結される。ネットワーク７０は、現在各プロトコル（ＴＣＰ／ＩＰ、Ｂｌｕｅｔｏｏｔｈ（登録商標）等）を使用して相互に通信するリモートアクセスネットワーク、グローバルネットワーク（例えば、インターネット）、世界規模のコンピュータの集合（worldwide collection of computers）、ローカルエリアネットワークもしくはワイドエリアネットワーク、もしくはゲートウェイであるか、またはそれらの一部でありうる。他の電子デバイス／コンピュータネットワークアーキテクチャも適している。ネットワーク７０は、次に、リンク１１１を介して、インターネット２１０などの１つ以上のさらなるネットワークに接続できる。リンク１０７および１１１は、有線および無線などの様々な物理的形態をとることができ、様々な信号およびプロトコルを用いて通信を行うことができる。

実施形態において、クラインアントコンピュータ／デバイス５０は、参照により本明細書に組み込まれる、本願出願人による米国特許出願第１２／００８，１１４号、第１２／００８，１０４号、および第１３／４６８，２０７号に詳細が示されるように、頭部に装着され、動きコマンドおよびボイスコマンドを用いて、情報ディスプレイ、および遠隔デバイス等を制御する。これらの頭部装着型コンピューティングデバイスは、頭部装着型コンピュータ、ヘッドマウントディスプレイデバイス、およびヘッドセットコンピュータなどの様々な形態をとりうる。これらの頭部装着型コンピューティングデバイスは、本明細書中では「ヘッドセットコンピューティングデバイス」またはＨＳＣ１００と呼び、ＨＳＣ１００の実施形態については以下でさらに説明する。

ＨＳＣ１００は、多種多様に構成し、使用することができる。いくつかの実施形態において、ＨＳＣ１００は、コンピュータネットワーク７０に直接接続できる。他の実施形態において、図１に示すように、ＨＳＣ１００は、リンク１５０を介してＨＳＣ１００と通信する遠隔ホストコンピューティングデバイス２００を経由して、コンピュータネットワーク７０に接続する。動作時において、ＨＳＣ１００は、例えば、遠隔ホストコンピューティングデバイス２００から受信した映像信号をストリーミングするための遠隔ディスプレイとして使用することができる。

様々なデバイスが遠隔ホストコンピューティングデバイス２００として機能でき、その例としては、ノートパソコン、スマートフォン、タブレットデバイス、または、クラウドベースのネットワークリソースといった、ワイヤレスコンピューティングヘッドセットデバイス１００よりも低いもしくは高い演算複雑度を有する他のコンピューティングデバイスを含む。ホスト２００を、インターネット２１０、ケーブルネットワーク、サードパーティデータネットワークなどのさらなるネットワークに、直接またはネットワーク７０を介して接続することができる。

ヘッドセットＨＳＣ１００とホスト２００の間の通信を可能にするために、様々なリンク１５０を用いることができる。実施形態において、リンク１５０はワイヤレスリンクであり、通信は、Ｂｌｕｅｔｏｏｔｈ（登録商標）、Ｗｉ−Ｆｉ（登録商標）、ＷｉＭＡＸ（登録商標）、または４ＧＬＴＥ（Ｂｌｕｅｔｏｏｔｈは、ワシントン州カークランド（９８０３３）、５２０９レイク・ワシントン・ブルバードのBluetooth Sig, Inc.の登録商標である。）などの１つ以上のワイヤレスプロトコルを介する。図１に示す例示的実施形態において、ホスト２００は、ワイヤレス接続であってよい接続１０９を介してネットワーク７０に接続され、ネットワーク７０は次にインターネット２１０または他のクラウドベースのネットワークリソースに接続されて、その結果、ホスト２００はワイヤレス中継器として作動できる。他の実施形態において、ホスト２００は、インターネット２１０または他のクラウドベースのリソースに直接接続される。さらに、ＨＳＣ１００のいくつかの例示的実施形態は、ホストワイヤレス中継器を用いることなく、インターネットおよびクラウドベースのネットワークリソースに、ワイヤレス接続することができる。

クライアントコンピュータ／デバイス５０、ＨＳＣ１００、およびホスト２００は、通信ネットワーク７０を介して、他のクライアントデバイス／プロセッサ５０、サーバコンピュータ６０、ＨＳＣ１００、およびホスト２００を含む他のコンピューティングデバイスにリンクされ得る。

図２は、図１の例示的コンピュータネットワークにおける、以後、コンピュータ５０、６０、１００、２００と呼ぶコンピュータ（例えば、クライアントプロセッサ／デバイス５０、１００、２００またはサーバコンピュータ６０）の内部構造の図である。コンピュータ５０、６０、１００、２００は、システムバス７９を含み、バスは、コンピュータまたは処理システムのコンポーネント間のデータ転送に用いられる一組のハードウェア回線である。システムバス７９は、コンピュータシステムの異なる要素間で情報の転送を可能にする、当該要素（例えば、プロセッサ、ディスク記憶装置、メモリ、入出力ポート、ネットワークポート等）を接続する、本質的に共有のコンジットである。図２に示すように、いくつかのコンポーネントがシステムバス７９に取り付けられている。

入出力（Ｉ／Ｏ）デバイスインターフェース８２は、様々な入力および出力デバイス（例えば、キーボード、マウス、ディスプレイ、プリンタ、スピーカなど）をコンピュータ５０、６０、１００、２００に接続する。中央処理装置８４は、コンピュータの命令を実行するためのものである。ネットワークインターフェース８６により、コンピュータ５０、６０、１００、２００は、ネットワーク（例えば、図１のネットワーク７０）に取り付けられた様々な他のデバイスに接続できる。メモリ９０は、本発明の実施形態を実施するために用いられる、プロセッサルーチン９２などのコンピュータソフトウェア命令や関連データ９４（例えば、以下に詳述する二段階音声認識エンジン、ユーザインターフェースおよびサポーティングコード）を記憶するための揮発性記憶装置である。ディスク記憶装置９５は、本発明の実施形態を実施するために用いられる、ＯＳプログラム９７などのコンピュータソフトウェア命令や関連データ９９を保存するための非揮発性記憶装置である。

一実施形態において、プロセッサルーチン９２および関連データ９４は、本発明のシステムのためのソフトウェア命令の少なくとも一部を提供するコンピュータ読み取り可能媒体（例えば、取り外し不可能な、または取り外し可能な記憶媒体、例えば、ＤＶＤ−ＲＯＭ、ＣＤ−ＲＯＭ、ディスケット、テープなど（複数可））を含むコンピュータプログラム製品（符号９２で総称する）である。コンピュータプログラム製品９２は、当該分野で周知のように任意の適切なソフトウェアインストレーション手順によってインストールできる。

別の実施形態において、ソフトウェア命令の少なくとも一部は、ケーブル接続、通信接続および／またはワイヤレス接続を介してダウンロードしてもよい。他の実施形態において、本発明のプログラムは、伝搬媒体（例えば、電波、赤外波、レーザ光波、音波、またはインターネットなどのグローバルネットワークもしくは他のネットワークを伝わる電波）上の伝搬信号で具現化される伝搬信号版コンピュータプログラム製品１０７である。そのようなキャリア媒体または信号は、本発明のルーチン／プログラム９２のためのソフトウェア命令の少なくとも一部を提供する。

他の実施形態において、伝搬信号は、伝搬媒体上を伝搬されるデジタル信号またはアナログ搬送波である。例えば、伝搬信号は、グローバルネットワーク（例えば、インターネット）、電気通信ネットワーク、または他のネットワークを伝搬するデジタル化された信号であってもよい。一実施形態において、伝搬信号は、ミリ秒、秒、分またはそれより長い時間にわたってネットワーク上をパケットで送られるソフトウェアアプリケーションの命令などの、ある期間にわたって伝搬媒体上を伝送される信号である。

さらに別の実施形態において、コンピュータプログラム製品９２のコンピュータ読取可能媒体は、コンピュータプログラム伝搬信号製品のために、上述したように、伝搬媒体を受け取り、伝搬媒体で具現化された伝搬信号を識別することなどによって、コンピュータシステム５０が受信および読取できる伝搬媒体である。

一般的に言えば、用語「キャリア媒体」は、すなわち一時的なまたは過渡的なキャリアであり、前述の一時的な信号または過渡的信号、伝搬信号、伝搬媒体、記憶媒体等を包含する。

実施形態において、メモリ９０またはディスク記憶装置９５に記憶された処理ルーチンプログラム命令または他の演算９２が、本発明の原理による二段階確認を備えた音声認識エンジンを実現する。図３〜７は例示である。

図３は、ヘッドセットコンピュータ１００の実施形態の詳細の一部を示した斜視図である。ＨＳＣ１００の実施形態は、一般に、フレーム１０００と、ストラップ１００２と、後部筐体１００４と、スピーカ１００６と、マイクロフォン１０１５を内蔵したカンチレバー（あるいは、アームまたはブーム１００８と呼ぶ）と、ディスプレイ要素１０１１を備えたマイクロディスプレイサブアセンブリ１０１０とを含む。

頭部装着型フレーム１０００およびストラップ１００２は、一般に、ユーザが自分の頭部にＨＳＣ１００を装着できるように構成されている。後部筐体１００４は、一般的にマイクロプロセッサ、メモリまたは他の記憶装置などの電子部品を他の付随回路とともに収容する薄型のユニットである。スピーカ１００６は、ユーザが情報を聞けるようにユーザにオーディオ出力を提供する。マイクロフォン１０１５は、ユーザがオーディオ入力を行えるようにし、好ましくは、信号対雑音比を最大化するためにユーザの口の近傍に配置され、いくつかの実施形態においては、指向性マイクロフォンを採用してもよい。

マイクロディスプレイサブアセンブリ１０１０は、高解像度（ＶＧＡまたはより上位の）マイクロディスプレイ要素のようなディスプレイ要素１０１１を介してユーザに視覚情報を示すために用いられる。他のディスプレイ要素を用いることもできる。サブアセンブリ１０１０は、アーム１００８に連結される。図３には、片持ちブームによりユーザの顔面に支持される単一の固定ディスプレイ要素を与える単眼のマイクロディスプレイが表されているが、遠隔制御ディスプレイデバイス１００のための他の機械的構成も可能であることを理解されたい。

アーム１００８は、一般には、マイクロディスプレイサブアセンブリをユーザの視野内、好ましくはユーザの目の前または好ましくは目よりもわずかに下方または上方の周辺視野内に配置できるように、物理的支持を提供する。アーム１００８は、マイクロディスプレイサブアセンブリ１０１０と筐体ユニット１００４内に収容された制御回路との間の電気的または光学的な接続をも提供する。以下にさらに詳細に説明する態様によれば、ＨＳＣ１００によりユーザは、ディスプレイ要素１０１１における仮想ディスプレイによって輪郭が定められる、より広いエリア内の視野を選択できる。ユーザは通常、位置、範囲（例えば、Ｘ−Ｙまたは３Ｄ範囲）、および／または視野の倍率を制御することができる。

ヘッドセットコンピューティングデバイス１００の筐体内に通常配置されるのは、マイクロコンピュータ（シングルまたはマルチコアプロセッサ）、有線および／または無線通信インターフェース（複数可）、メモリまたは記憶装置、様々なセンサおよび周辺マウントまたは「ホットシュー」のようなマウントを含む様々な電子回路等である。これらについては、図３中では個々に詳細は示していない。

ＨＳＣ１００は、図３に関連して上述したものに追加して、またはそれらに代えて、多種多様なデバイスおよび機能を含み得る。これらには、以下を含む多種多様な入力用ならびに／または出力用オーディオデバイスが挙げられる。すなわちヘッドセットに埋め込まれた、ならびに／または一体化された、ならびに／または１つ以上の周辺機器ポートを介してデバイスに取り付けられた、１つ以上のマイクロフォン、入出力スピーカ、地理測位センサ（ＧＰＳ）、３軸〜９軸自由度方位センサ、大気センサ、健康状態センサ、デジタルコンパス、圧力センサ、環境センサ、エネルギーセンサ、加速度センサ、位置センサ、姿勢センサ、運動センサ、速度センサおよび／もしくは光センサ、カメラ（可視光、赤外線等）、多重無線通信、補助照明、距離計等、ならびに／もしくはセンサのアレイ（図３では詳細は不図示）を含む。

ＨＳＣ１００の例示的実施形態は、ボイスコマンド、頭部の動き、およびハンドジェスチャ、またはこれらの任意の組み合わせをセンシングすることを介して、ユーザからの入力を受け取り可能である。ジャイロスコープ、加速度計、および他のマイクロ電子機械的システムセンサをＨＳＣ１００に一体化し、ユーザの頭部の動きを追跡するのに用いてユーザ入力コマンドを提供することもできる。カメラまたは他の運動追跡センサは、ユーザ入力コマンドのためのユーザのハンドジェスチャをモニタするのに用いることができる。このようなユーザインターフェースは、他のモバイルデバイスの手に依存する方式よりも優れている。

例示的なＨＳＣデバイス１００の動作時において、デバイスは、（ａ）マイクロフォン１０１５を介したユーザからの声入力、（ｂ）位置センサおよび方位センサを介した、またはカメラまたは光学センサを介した手の動きまたは体のジェスチャによる入力、および（ｃ）３軸〜９軸自由度方位検知などの頭部追跡回路を介した頭部の動きによる入力など、ユーザから多種多様な入力（複数可）を受け取る。好ましい実施形態において、入力のうちの少なくとも１つは音声入力（ボイス入力）である。

これらの入力は、ＨＳＣデバイス１００内のソフトウェアによってキーボードコマンドおよび／またはマウスコマンドに変換され、そのコマンドは、次いでＢｌｕｅｔｏｏｔｈまたは他のワイヤレスインターフェース１５０を通じてホスト２００に送信される。ホスト２００は、ホスト２００自身のオペレーティングシステム／アプリケーションソフトウェアに従ってこれらの変換されたコマンドを解釈して、様々な機能を行う。コマンドの中には、仮想ディスプレイ内で視野を選択し、選択された画面データをＨＳＣデバイス１００に返すものがある。このため、非常に大きなフォーマットの仮想ディスプレイ領域が、ホスト２００上で実行されているアプリケーションソフトウェアまたはオペレーティングシステムに関連付けられうることを理解されたい。しかし、視野内のこの大きな仮想ディスプレイ領域の一部のみが、ＨＳＣデバイス１００のマイクロディスプレイ１０１１に返され、マイクロディスプレイ１０１１によって実際に表示される。

一実施形態において、ＨＳＣ１００は、その全体が参照により本明細書に組み込まれる、同時係属米国特許公報第２０１１／０１８７６４０号に記載のＨＳＣの形態をとることができる。別の実施形態において、本発明は、ユーザにハンズフリーで情報および制御を提供するために、（スマートフォンまたはタブレット等の）外部の「スマート」デバイス２００と協働する符号１０１０や１０１１などで示されるヘッドマウントディスプレイ（ＨＭＤ）を用いる概念に関連する。本発明は、少量のデータの送信しか必要とせず、リアルタイムに実行され、より信頼性の高いデータ転送方法を提供する。

したがって、この意味において、ワイヤレス接続１５０で送信されるデータの量は少なく、単に、画面をどのようにレイアウトするか、どのテキストを表示するかについての情報、および、例えば図面の矢印または背景の色、含まれる画像等の他の様式上の情報についての命令である。ホスト２００によって要求される場合には、ビデオストリームとして追加のデータを同じリンク１５０または別の接続を介してストリーミングし、ディスプレイ要素１０１１などの画面上に表示することができる。

実施形態において、マイクロフォン１０１５は、ＨＳＣ１００に操作可能に連結されるか、好ましくはＨＳＣ１００に一体化され、音声コマンドを捕捉するのに用いることができ、それらの音声コマンドは、自動音声認識技術を用いてデジタル化されて処理される。

いくつかのコマンドは、実行される場合に、ファイルを消去するコマンドのように、不可逆の結果をもたらすことがあることを理解されたい。したがって、確実にこのようなコマンドが誤って実行されないようにすることが望ましい。

エラーの要因としては、例えば、偽のオーディオ入力を含み得る。その例として、システム１００によりトリガーコマンドとして正しく認識された、または誤って認識されたバックグラウンドノイズがある。ユーザは、ヘッドセット１００へのボイスコマンド入力を切るか無効にすることなく、別の人と話し続けることなどによって、意図せずマイクロフォン１０１５に対してオーディオ入力／音声入力／音入力を与えてしまうこともありうる。エラーの別の要因としては、デジタル信号を誤って処理して認識された音声コンテンツとしてしまうことである。音声認識エンジンは常に高い信頼性により音声をテキストに変換するわけではない。このことは、（プログラマによって想定される音声パターンおよびボイスパターンに比べて）アクセントのあるユーザおよび自身のボイスで音声エンジンを馴らしきっていないユーザにとっては、特に問題になりうる。

これらのエラーの要因は、ＨＳＣ１００を使用可能な環境や条件において特に深刻でありうる。例えば自動車事故現場、火事、救急処置室の場面、または実戦中を含む軍事の場面などの緊急の状況において、デバイスは、相当なバックグラウンドノイズのある環境において装着されることになるであろう。さらに、心的ストレスが、構文および音声パターンを変え、これにより音声認識がより難しくなることもある。さらに、ＨＳＣ１００は、複数の他の個人とそのデバイスを共用しうる最初の応答者によって装着されることができ、このことは、他のユーザが、音声認識エンジンを馴らす機会を減少させる。多くの場面、例えば、長きに亘る緊急事態の最中、武装戦闘中、軍事作戦中、手術中、および、ボイスの継続および／または映像通信を行えることが望ましいか、または不可欠な任意の状況等において、ＨＳＣ１００は一旦装着してから長時間着用することが望ましい。その結果、ユーザは、自身の周りにいる他者と直接話す際にＨＳＣ１００を外さないかもしれず、また、ユーザのボイスが意図的なコマンド入力として解釈されないように、デバイスのスイッチを切ること、無効にすること、またはセーフモードにすることを怠るかもしれない。

音声エンジンの誤り率は、使用されるマイクロフォンの質、ユーザの発声の仕方如何、バックグラウンドノイズの有無、および音声エンジンが用いるアルゴリズムおよびヒューリスティックにも依存しうる。場合によっては、音声エンジンは、テキストについての結論が推論的（speculative）な場合であっても出力を提供するようにプログラムしてもよい。多くの実例において人為的な推論（speculation）が望ましいかもしれないが、これは、コマンドまたは他のアクティビティが意図せず実行される割合を高める可能性もある。

本発明の態様は、ヘッドセットコンピュータ１００からの、ボイス／音／オーディオ入力やユーザからのそうした入力の結果としての、コマンドの意図せぬ実行の比率、または意図外のアクティビティの実行命令（commission）を低減することに関する。音声駆動式ＨＳＣ１００の軽快な動作と、音入力を介した意図せぬ動作の回避との間にはトレードオフが存在しうる。一方の極端な例では、すべてのコマンドがある種の確認手順を必要とする可能性がある。他方の極端な例では、いずれのコマンドも確認を必要としない。いくつかの場合において、より良い手法は、システムがＡＳＲエンジンを用いてオーディオ入力を処理し、（音ベースの）オーディオ入力がボイスコマンドとして認識されるかを判定し、そのように認識される場合には、当該ボイスコマンドに関連するアクションのクリティカリティを評価することである。規則、表、またはデータベースルックアップ、または他のデータ構造９４およびプログラム構成をメモリ９０（図２）、メモリ９１２０（図７）に記憶し、アクションのクリティカリティの評価を行うために用いてもよい。実行しようとしているコマンドに関連するアクションの評価済のクリティカリティによって、コマンドを実行するのに先だってＨＳＣ１００が必要とする確認の範囲が決まる。

例えば、クリティカルアクションは、容易には元に戻せないか、あるいは誤って実行された場合に特に望ましくない結果をもたらすアクションでありうる。例えば、ファイル永久消去、機密または取り扱いに慎重を要する重要データや重要ファイルの転送、および周辺機器の起動などの結果をもたらすアクションが含まれる。ＨＳＣ１００が、潜在的に殺傷能力を有するシステムを含む、破壊活動を行えるシステムまたはデバイスを起動するために用いられるような軍事の場面において、ボイスによる偶然の作動に対する安全装置の必要性は特に重要である。そのような場面においては同時に、潜在的に悲惨な結果を避けることが絶対的に必要でない限り、（例えば、アクション動作の条件付けおよび／または開始／実行／完了の遅延化などにより）このシステムの使用を妨げないことが望ましい。

したがって、本発明の態様によれば、システムが、推定的に認識されるコマンドに関連したアクションのクリティカリティを評価することができ、クリティカルである場合は、確認入力を請求することが望ましい。本発明の態様によって求められる確認は、様々な方法で実現できる。

ここで図４から６に戻って、本発明によるＡＳＲアプリケーションにおける二段階確認を行うユーザインターフェース画面の外観の３つの例示的実施形態を示す。まず実施例１について検討するが、実施例１は図４の図解に対応する。続く実施例２は、図５の図示に対応する。実施例３を最後に示し、図３は図６の図示に対応する。

実施例１
一態様において、本発明は、音声駆動式システムのための一段階または二段階確認処理に関する。例えば、ＨＳＣ１００は、「ファイルを消去」するためのコマンドとしてボイス入力または音波入力を解釈し、認識しうる。このコマンドに関連するアクションはファイル消去であり、この実行中のアクションは、システムによってクリティカルであると評価されてもよい。これに応答して、図４に示した例のように、ユーザには、ダイアログボックス４１０内に、「ファイルを消去」または「取消」などの選択肢をオファーする画面上の選択が示される。この時点において、ＡＳＲは、引き続き「ファイルを消去」または「取消」という２つのコマンドのうちのいずれかを聞く（音声入力を受ける）。代替として、このアクションは、上述のように「クリティカル」とみなされる実行中のアクションに対してのみ求められるのではなく、標準操作手順とすることもできる。

このような一段階確認を用いる場合であっても、ＡＳＲが、バックグラウンドノイズ、またはコマンドとして意図されていないユーザ音声を、第１の段階のダイアログボックスまたは他の確認モードによって要求された確認として誤って処理し、意図せぬアクションが行われるというリスクがある。実務上は、このことは、そもそも確認画面を含める必要をもたらしうる理由だけでなく、多くのバックグラウンドノイズがある場合、またはシステムがユーザの言ったことを誤って解釈した場合に起こりうる。したがって、システムを、任意の主だったアクションに対して危険のないものとするためには、実行中のアクションが意図的なものであり、ユーザによって望まれていることを第２のダイアログボックス４２０を用いて確認させることもできる。

この第２のダイアログボックス４２０は、例えば１０秒間などの、自動タイムアウトまたは選択可能な継続時間を付加的に含むことができる。この時間中に認識可能な回答が受け取られない場合には、プログラムによって「取消」ボタンが押されたとされ、ダイアログボックスが消され、ユーザアクションが取消されることになる。第２の確認ダイアログボックスの様相は、実行中アクションの評価クリティカリティによって決まるものであってよい。

このことは、ノイズによる不慮のトリガーを阻止するのに有効である。例えば、ＡＳＲは、第１の例において、ノイズを「ファイルを消去」するというコマンドとして誤って解釈するかもしれない。このことは起こりそうもないが、まさに起こるのである。この点において、システム１００は、すぐに反応して、第１のダイアログボックス４１０を展開して、続いて第２のダイアログボックス４２０を別に展開し、二段階の確認のための質問を行う。ここでＡＳＲが１０秒以内にノイズによってトリガーされる可能性はきわめて低い。１０秒が経つと、「取消」のアクションが確定し、ユーザを元の操作画面に戻す。

一方でアクションがユーザによって話された意図的なものである場合には、第２の確認ボックス（画面ビュー）４２０へと続く初期コマンド（ダイアログボックス４１０）をナビゲートすることは容易である。

実施例２
別の態様において、本発明は、音声駆動システムのための一段階または二段階限定ＡＳＲモードに関する。

ＨＳＣ１００は、すべての話しコマンドを認識しないか、反応しない限定ＡＳＲモードに位置づけることができる。これにより、ＡＳＲを、人の話した語句に反応しないようにする限定動作モードにすることができる。このことは、変更したくないデータを画面一杯に有した状態で、画面を見ながら会話に従事することになる場合に特に有用である。通常の状況においては、人の積極的な会話がＡＳＲをトリガーして、画面上の情報を変えてしまうこともおこりうる。

しかし、この限定ＡＳＲモードは、意図せぬ作動を防ぐことができる一方で、ボイスコマンドによってこの制限状態から解放されるようにトリガーされた場合など、システムがこの状態から意図せず解放される恐れがある。その場合、ＨＳＣ１００へのコマンドとして意図されない周囲ノイズまたはユーザの音声が、ＡＳＲによって解放コマンドとして解釈され、限定モードから意図せぬ解放をトリガーさせてしまう可能性がある。

こうしたノイズ、またはＡＳＲが会話を誤解釈することによる偶発的な起動を避けたいため、デバイスを限定ＡＳＲモードにするためのコマンドを出して、適切な二重コマンドシーケンスが発せられるまで、デバイスにすべての話されたフレーズを無視できるようにさせることもできる。例えば、ユーザがデバイスを介して電話通話を行う場合、デバイスはおそらくは限定ＡＳＲモードに切り換えて、ユーザに「電話を切る」ための単一の言語コマンドをオファーすることになる。

ユーザの会話中に偶然にトリガーされたのではなく、ユーザが本当に電話を切りたいかどうかを確認するために、上述のような二段階確認を用いることができる。

例えば、限定ＡＳＲモードにおいて、利用できる現在の音声コマンドのすべてを「コンピュータの起動」などのただ１つのフレーズで置き換えることもできる。このことは図５を参照するとわかることであり、図５は本発明の態様による例示的なダイアログボックス５１０とそれに続くダイアログボックス５２０を示す。上述したような１つのフレーズまたは２つのフレーズを用いた同一の手法は、デバイスを限定ＡＳＲモードから復帰させることに関連して使用できる。

トリガーワードを認識すると、ダイアログボックス５１０は、ユーザがシステムを限定モードから解放することを望んでいるかを確認することをユーザに対して促す。随意で、ユーザが促されたフレーズ（ここでは「起動」）を口にすると、入力が受け取られて認識されたことを確認するために、起動ボタン５１２が強調表示または太字などのアクティブな様相に変わりうる。前述のように、第２のダイアログボックス５２０は、ユーザが、「確認」（ボタン５２２に関連付けられている）などの第２の単語を話すことにより、限定モードからの解除を望んでいることを確認できるようにするために現れる。あるいは、ユーザは「取消」（ボタン５２４）を声にして、解放処理を無効にすることもできる。タイムアウトの機能も含むことができる。

実施例３
本発明のさらに別の態様において、２つのフレーズを使用する同一の手法を用いてデバイスを低電力スリープモードから復帰させてもよい。このスリープモードにおいて、使用されていない周辺機器の電源を切ったり、メインＣＰＵの動作速度を下げたり、画面を暗くするか消したり、すべての利用可能な現在の音声コマンドを「コンピュータ起動」などの１つのフレーズによって置き換えることもできる。しかしながら、この実施例では、デバイスの機能全てをスリープモードにはせず、ＡＳＲだけは実行させたままにしておき、起動フレーズを入力できるようにしておく。

図６に示すように、このモードにおいて、ダイアログボックス６１０によって促される単一の起動コマンドだけを聞くようにしている状態にあり、ダイアログボックス６１０は、スリープモード運転の間、画面の一部に永続的に表示することもできるし、またはマイクロフォンからのオーディオ入力に応答して現れるようにもできる。ダイアログボックス６１０内に与えられる単語、ここでは「起動」（ボタン６１２）が話されると、デバイスを実際に起動する（スリープモードまたは低電力モードから脱出するようにトリガーされる）前に確認のための第２段階のダイアログが用いられる。第２のダイアログボックス（画面ビュー）６２０は、確認命令およびユーザが選択できる選択肢（例えば「確認」ボタン６２２および「取消」ボタン６２４）を含む。ＡＳＲがノイズまたはランダムな会話に基づいて第１のフレーズをトリガーした場合、とりわけ１０秒後にタイムアウトしてデバイスをその低電力スリープモードに戻すようにプログラムされている（ボタン６２４により自動的に「取消」す）場合には、第２段階の確認はおそらくはトリガーされない。

オーディオ入力がコマンド入力として誤って認識され、そのように処理されてしまうという可能性を減らすために、追加の方法および処理を用いてもよいことを理解されたい。これらの方法は、騒がしい環境や長時間の使用を含む多くの環境におけるＨＳＣ１００の運転を容易にする。ユーザがグループでＨＳＣ１００のヘッドセットを使用しているある環境において、例えば、複数のヘッドセットは、オーディオ入力に関する情報を共有し、この共有した情報をバックグラウンドノイズである音の識別に用いることができるように、互いに通信しあったり、中央コンピュータと通信してもよい。例えば、複数のＨＳＣマイクロフォンにおいて同時に類似の音が受け取られた場合には、その音は、ユーザのボイスではなく、バックグラウンドノイズである可能性が高い。

加えて、音声オーディオ信号品質を高めるために、バックグラウンドノイズを差し引く形態を用いることができる。単一または複数のＨＳＣ１００は、バックグラウンドノイズを検出するための複数のマイクロフォンを備えることができる。このノイズは、ボイスコマンドを受け取るように配置されたＨＳＣ上のマイクロフォンで検出された信号から差し引くことができる。例えば、２つのマイクロフォンを同一のＨＳＣ１００上に取り付け、一方はユーザの口に配置するかおよび／または向けられ、他方は概してユーザの口から離れて配置されるかおよび／または離れる方向へ向けられ、この第２のマイクロフォンによって実質的なバックグラウンドノイズを検出することができる。このバックグラウンドノイズは、第１のマイクロフォンで検出された信号に含まれる成分である可能性もあるため、第２のマイクロフォンからの信号を、第１のマイクロフォンからの信号から差し引いて、オーディオ信号中のボイス成分の品質を高めることができる。

図７は、ボイスコマンド下で動作するように構成された、非限定のワイヤレスハンズフリー・ビデオコンピューティングヘッドセットＨＳＣ１００の一例を示し、モジュール概略を示す。本実施形態において、ヘッドセットは、マイクロディスプレイ９０１０と、スピーカ９００６と、マイクロフォン９０２０とを含む。マクロフォロン９０２０は、アーム９０１３の端部にあるように示されている。この代替として、マイクロフォン９０２０は、マイクロディスプレイ９０１０に接続されたアームに搭載することができる。

ＨＳＣ１００の動作時において、ユーザには、例えば、上述のようなホストコンピュータ２００のアプリケーションによる出力として、マイクロディスプレイ９０１０上に画像を提示することができる。ユーザは、スピーカ９００６を介してオーディオ出力を受け取り、マイクロフォン９０２０を介してボイス入力９０９０を提供することができる。ボイス入力について、ユーザがマイクロフォン９０２０に向かって話すと、マイクロフォンは、アナログオーディオ信号（音信号）をモジュール９０２１ａ内でデジタル信号に変換する。デジタル化されたオーディオ信号は、デジタル化されたオーディオ信号を単語または他の符号（symbols）に翻訳するために、音声認識エンジン９０３５ａによって処理される。翻訳された信号は、次にアプリケーション９２を実行しているプロセッサ８４などのプロセッサへの入力として用いることができ、該プロセッサは、ボイス入力がコマンドに対応するかどうかを判定し、そうである場合には、適切なアクションをトリガーさせる。とりわけプロセッサ８４は、コマンドに関連するアクションを判定し、関連したアクションのクリティカリティを評価し、閾値を超えるクリティカリティと評価された場合には、段階分けされた（１つまたは複数の）確認が無事に終了するまで、アクションの実行に対して停止（stay）かまたは条件付けをする。クリティカル閾値レベルは、例えば、メモリ９１２０内に記憶されている予め設定された（または予め定義された）パラメータ（または定数）であってよい。

音声駆動式アプリケーションにおける二段階確認の場合、コントローラ９１００は、各ＨＳＣ１００もしくはＨＭＤにローカルに配置されるか、またはホスト２００に離れて配置することのできる二段階確認モジュール９０３６にアクセスする。二段階確認ソフトウェアモジュール９０３６は、ユーザに向けて、図４〜６に詳細を示して後ほど例を述べるような、適切なメッセージボックスなどの画像を表示するための命令を有する。グラフィックコンバータモジュール９０４０は、バス９１０３を介して二段階確認モジュール９０３６から受け取った画像表示の命令を変換し、命令を該画像のグラフィックに変換し単眼ディスプレイ９０１０上に表示する。

同時に、テキスト音声変換モジュール９０３５ｂは、二段階確認ソフトウェアモジュール９０３６から受け取った命令を変換して、表示された画像に対応する内容を示す音声を創り出す。すなわち、命令は、このテキスト音声変換モジュール９０３５ｂがデジタルアナログ変換器９０２１ｂに提供する上記の画像に対応した内容を示すデジタル音に変換され、次いでデジタル音は、スピーカ９００６に供給されてユーザにオーディオ（音声）を提供する。

二段階確認ソフトウェアモジュール９０３６はメモリ９１２０にローカルに記憶するか、ホスト２００にリモートで記憶することができる。ユーザは、画像を見てコマンドの選択を話すまたは声に出すことができ、ユーザの音声９０９０はマイクロフォン９０２０において受け取られる。受け取られた音声は、次にアナログデジタル変換器９０２１ａにおいて、アナログ信号からデジタル信号に変換される。一旦、音声がアナログ信号からデジタル信号に変換されると、音声認識モジュール９０３５ａは、音声を処理して音声認識を行い、認識済み音声とする。認識済み音声は、命令に従って二段階確認ソフトウェアモジュール９０３６において既知の音声と比較される。

ＨＳＣ１００もしくはＨＭＤのユーザは、ローカルに、またはリモートホスト２００から、二段階確認ソフトウェアモジュール９０３６を用いることができ、これにより、ユーザには、マイクロディスプレイ９０１０上にユーザ確認を要求するメッセージボックス、テキストボックスまたはダイアログボックスの画像が提示され（例えば、図４〜図６の４２０、５２０、６２０）、画像の内容と同じオーディオがヘッドセットコンピュータ１００のスピーカ９００６を通して再生される。ヘッドセットコンピュータ１００はマイクロフォン９０２０も備えているので、ユーザは、確認の単語またはフレーズを声に出すことができる（コマンド選択）。または、ヘッドセットコンピュータが図４〜６の例において上述したように確認動作に対して自動的にタイムアウトするようにしてもよい。タイムアウト設定は、例えばメモリ９１２０内に記憶してもよい。

本発明をその例示的な実施形態を参照して詳細に示して説明してきたが、添付の特許請求の範囲に包含される本発明の範囲を逸脱することなく、様々な形の変更および詳細化がなされ得ることが当業者によって理解されるであろう。
なお、本発明は、実施の態様として以下の内容を含む。
［態様１］
マイクロフォンとディスプレイとを有し前記マイクロフォンを介して音入力を受け取るヘッドセットコンピュータで使用されるコンピュータアプリケーションにおける音声制御方法であって、
前記ヘッドセットコンピュータに連結された音声認識エンジンを用いて前記音入力を処理する工程を含み、
前記処理する工程は、前記音声認識エンジンが、前記音入力はクリティカリティの閾値レベルを満たすかこれを越えるクリティカリティのレベルを有するアクションに対するコマンドであると解釈することを含み、
さらに、前記処理された音入力に応答して、
（ｉ）前記ディスプレイ上に第１のダイアログボックスを表示する工程と、
（ｉｉ）ヘッドセットコンピュータの前記アクションの実行に対して、ユーザが前記第１のダイアログボックス内のプロンプトに対応する第１の確認発声を行うことを条件付ける工程と、を含む音声制御方法。
［態様２］
態様１に記載の方法において、前記第１のダイアログボックスを表示することは自動的にタイムアウト可能である、方法。
［態様３］
態様１に記載の方法において、前記コマンドは、前記ヘッドセットコンピュータを低電力スリープモードから解放するためのコマンドである、方法。
［態様４］
態様１に記載の方法において、前記コマンドは、前記ヘッドセットコンピュータを限定音声認識モードから解放するためのコマンドである、方法。
［態様５］
態様１に記載の方法において、
前記マイクロフォンを介して前記第１のダイアログボックス内の前記プロンプトに対応する前記第１の確認発声を受け取る工程と、
前記第１の確認発声の受け取りに応答して、前記ディスプレイ上に第２のダイアログボックスを表示する工程とをさらに含み、
前記ヘッドセットコンピュータは前記アクションの実行に対して、前記ユーザが前記第２のダイアログボックス内のプロンプトに対応する第２の確認発声を行うことを条件付ける、方法。
［態様６］
態様５に記載の方法において、前記第２のダイアログボックスを表示することは自動的にタイムアウト可能である、方法。
［態様７］
態様５に記載の方法において、前記コマンドは、前記ヘッドセットコンピュータを低電力スリープモードから解放するためのコマンドである、方法。
［態様８］
態様５に記載の方法において、前記コマンドは、前記ヘッドセットコンピュータを限定音声認識モードから解放するためのコマンドである、方法。
［態様９］
態様５に記載の方法において、前記第１の確認発声と前記第２の確認発声とは互いに異なる、方法。
［態様１０］
ディスプレイと、音入力を受け取るように構成されるマイクロフォンとを有するヘッドセットコンピュータで使用される音声制御装置であって、
前記音入力を解釈し、その解釈の一部として、前記音入力がクリティカリティの閾値レベルを満たすかこれを越えるクリティカリティのレベルを有するアクションに対するコマンドであるかどうかを判定するように構成された音声認識エンジンと、
前記音声認識エンジンに通信可能に連結されたプロセッサとを含み、
前記音入力がクリティカルコマンドであるという前記音声認識エンジンによる判定に応答して、前記プロセッサは、
（ｉ）前記ディスプレイ上に第１のダイアログボックスを表示し、
（ｉｉ）ヘッドセットコンピュータの前記アクションの実行に対して、ユーザが前記第１のダイアログボックス内のプロンプトに対応する第１の確認発声を行うことを条件付けるように構成された、音声制御装置。
［態様１１］
態様１０に記載の装置において、前記第１のダイアログボックスは、自動的にタイムアウト可能である、装置。
［態様１２］
態様１０に記載の装置において、前記コマンドは、前記ヘッドセットコンピュータを低電力スリープモードから解放するためのコマンドである、装置。
［態様１３］
態様１０に記載の装置において、前記コマンドは、前記ヘッドセットコンピュータを限定音声認識モードから解放するためのコマンドである、装置。
［態様１４］
態様１０に記載の装置において、前記プロセッサは、さらに、
前記第１のダイアログボックス内の前記プロンプトに対応する前記第１の確認発声を前記マイクロフォンを介して受け取り、
前記第１の確認発声の受け取りに応答して前記ディスプレイ上に第２のダイアログボックスを表示するように構成され、前記ヘッドセットコンピュータは前記アクションの実行に対して、前記ユーザが前記第２のダイアログボックス内のプロンプトに対応する第２の確認発声を行うことを条件付ける、装置。
［態様１５］
態様１４に記載の装置において、前記第２のダイアログボックスは、自動的にタイムアウト可能である、装置。
［態様１６］
態様１４に記載の装置において、前記コマンドは、前記ヘッドセットコンピュータを低電力スリープモードから解放するためのコマンドである、装置。
［態様１７］
態様１４に記載の装置において、前記コマンドは、前記ヘッドセットコンピュータを限定音声認識モードから解放するためのコマンドである、装置。
［態様１８］
態様１４に記載の装置において、前記第１の確認発声と前記第２の確認発声は互いに異なる、装置。
［態様１９］
ディスプレイと、
音入力を受け取るマイクロフォンと、
前記音入力を解釈し、その解釈の一部として、前記音入力がクリティカリティの閾値レベルを満たすかこれを越えるクリティカリティのレベルを有するアクションに対するコマンドであるかどうかを判定するように構成された音声認識エンジンと、
前記音声認識エンジンに通信可能に連結されたプロセッサとを含み、
前記音入力がクリティカルコマンドであるという前記音声認識エンジンによる判定に応答して、前記プロセッサは、
（ｉ）前記ディスプレイ上に第１のダイアログボックスを表示し、
（ｉｉ）ヘッドセットコンピュータの前記アクションの実行に対して、ユーザが前記第１のダイアログボックス内のプロンプトに対応する第１の確認発声を行うことを条件付けるように構成された、ヘッドセットコンピュータ。
［態様２０］
態様１９に記載のヘッドセットコンピュータにおいて、
前記プロセッサは、さらに、
前記第１のダイアログボックス内の前記プロンプトに対応する前記第１の確認発声をマイクロフォンを介して受け取り、
前記第１の確認発声の受け取りに応答して前記ディスプレイ上に第２のダイアログボックスを表示するように構成され、
前記ヘッドセットコンピュータは前記アクションの実行に対して、前記ユーザが前記第２のダイアログボックス内のプロンプトに対応する第２の確認発声を行うことを条件付ける、ヘッドセットコンピュータ。

Claims (11)

1. マイクロフォンとディスプレイとを有し前記マイクロフォンを介して音入力を受け取るヘッドセットコンピュータで使用されるコンピュータアプリケーションにおける音声制御方法であって、
   前記ヘッドセットコンピュータに連結された音声認識エンジンを用いて前記音入力を処理する工程を含み、
   前記処理する工程は、前記音声認識エンジンが、前記音入力はクリティカリティの閾値レベルを満たすかこれを越えるクリティカリティのレベルを有するアクションに対するコマンドであるクリティカルコマンドであると解釈することを含み、
   さらに、前記処理された音入力が前記クリティカルコマンドであるという前記音声認識エンジンによる判定に応答して、
   （ｉ）前記ディスプレイ上に、ユーザに対して画面上の選択を提示する第１のダイアログボックスを表示する工程と、
   （ｉｉ）前記マイクロフォンを介して前記第１のダイアログボックス内の、ユーザが選んだ選択に対応する第１の確認発声を受け取る工程と、
   （ｉｉｉ）前記第１の確認発声の受け取りに応答して、前記ディスプレイ上に第２のダイアログボックスを表示する工程と、
   （ｉｖ）ヘッドセットコンピュータの前記アクションの実行に対して、前記ユーザが前記第２のダイアログボックス内の選択に対応する第２の確認発声を行うことを条件付ける工程と、を含み、
   前記第１の確認発声と前記第２の確認発声とは互いに異なる、音声制御方法。
2. 請求項１に記載の方法において、前記第１のダイアログボックスを表示することは自動的にタイムアウト可能である、方法。
3. 請求項１に記載の方法において、前記コマンドは、前記ヘッドセットコンピュータを低電力スリープモードから解放するためのコマンドである、方法。
4. 請求項１に記載の方法において、前記コマンドは、前記ヘッドセットコンピュータを限定音声認識モードから解放するためのコマンドである、方法。
5. 請求項１に記載の方法において、前記第２のダイアログボックスを表示することは自動的にタイムアウト可能である、方法。
6. ディスプレイと、音入力を受け取るように構成されるマイクロフォンとを有するヘッドセットコンピュータで使用される音声制御装置であって、
   前記音入力を解釈し、その解釈の一部として、前記音入力がクリティカリティの閾値レベルを満たすかこれを越えるクリティカリティのレベルを有するアクションに対するコマンドであるクリティカルコマンドであるかどうかを判定するように構成された音声認識エンジンと、
   前記音声認識エンジンに通信可能に連結されたプロセッサとを含み、
   前記音入力が前記クリティカルコマンドであるという前記音声認識エンジンによる判定に応答して、前記プロセッサは、
   （ｉ）前記ディスプレイ上に、ユーザに対して画面上の選択を提示する第１のダイアログボックスを表示し、
   （ｉｉ）前記マイクロフォンを介して前記第１のダイアログボックス内の、ユーザが選んだ選択に対応する第１の確認発声を受け取り、
   （ｉｉｉ）前記第１の確認発声の受け取りに応答して、前記ディスプレイ上に第２のダイアログボックスを表示し、
   （ｉｖ）ヘッドセットコンピュータの前記アクションの実行に対して、前記ユーザが前記第２のダイアログボックス内の選択に対応する第２の確認発声を行うことを条件付けるように構成され、
   前記第１の確認発声と前記第２の確認発声とは互いに異なる、音声制御装置。
7. 請求項６に記載の装置において、前記第１のダイアログボックスは、自動的にタイムアウト可能である、装置。
8. 請求項６に記載の装置において、前記コマンドは、前記ヘッドセットコンピュータを低電力スリープモードから解放するためのコマンドである、装置。
9. 請求項６に記載の装置において、前記コマンドは、前記ヘッドセットコンピュータを限定音声認識モードから解放するためのコマンドである、装置。
10. 請求項６に記載の装置において、前記第２のダイアログボックスは、自動的にタイムアウト可能である、装置。
11. ディスプレイと、
    音入力を受け取るマイクロフォンと、
    前記音入力を解釈し、その解釈の一部として、前記音入力がクリティカリティの閾値レベルを満たすかこれを越えるクリティカリティのレベルを有するアクションに対するコマンドであるクリティカルコマンドであるかどうかを判定するように構成された音声認識エンジンと、
    前記音声認識エンジンに通信可能に連結されたプロセッサとを含み、
    前記音入力が前記クリティカルコマンドであるという前記音声認識エンジンによる判定に応答して、前記プロセッサは、
    （ｉ）前記ディスプレイ上に、ユーザに対して画面上の選択を提示する第１のダイアログボックスを表示し、
    （ｉｉ）前記マイクロフォンを介して前記第１のダイアログボックス内の、ユーザが選んだ選択に対応する第１の確認発声を受け取り、
    （ｉｉｉ）前記第１の確認発声の受け取りに応答して、前記ディスプレイ上に第２のダイアログボックスを表示し、
    （ｉｖ）ヘッドセットコンピュータの前記アクションの実行に対して、前記ユーザが前記第２のダイアログボックス内の選択に対応する第２の確認発声を行うことを条件付けるように構成され、
    前記第１の確認発声と前記第２の確認発声とは互いに異なる、ヘッドセットコンピュータ。

Images